面向数据集中式管理的政府审计方法研究

随着信息技术的快速发展和在各行各业的广泛应用,以手工查账为主的审计方式已经受到越来越多的挑战,特别是金财、金税、金关、金卡等关系国计民生要害行业的国家信息化金字工程的建设,建成了数据集中处理的系统平台和海量存储的业务数据,审计人员仅仅针对财务数据的监督检查已经不足以满足社会公众对审计所提供信息的质量需求,因此创新审计方法是现代政府审计转型升级的必然途径。本文探讨信息化环境下面向数据集中式管理的政府审计方法和组织模式。     

电力建设工程的结算审计思路探索

本文主要介绍了电力建设工程结算审计的特点,研究了电力建设工程结算设计的具体方法,探讨了提高电力建设工程结算审计质量的有效措施。     

高校绩效审计的开展及其必然性分析

随着以现代科学技术为核心,建立在知识和信息的生产、分配和使用上的新经济时代的到来,我国高校经费投入开始持续增加,办学规模不断扩大.但由于我国大部分高校教学基础设施薄弱,教育资金远远不能满足建设和发展的需求,教育经费使用效益不高的问题持续发酵,很大程度上制约了我国高校的教学质量.如何理解新经济时代对高校审计的影响已经成为开展高校绩效审计面临的重要难题.论述了新经济时代的特征、对高校审计的影响,简单概述了绩效审计的发展历程以及国内外高校绩效审计发展现状,从而进一步阐明新经济时代开展高校绩效审计的必要性.     

稠油油藏蒸汽驱开发蒸汽突破预测模型

稠油油藏蒸汽驱开发,只有提前预测出蒸汽突破井,及时采取防汽窜措施,才能避免产油量急剧下降,增大蒸汽波及体积及热利用率,提高油藏最终采收率.基于油田常规生产动态数据,将承载蒸汽突破信息的生产动态指标转化为评价标度的概率分布,计算其累积分布函数及期望,运用随机占优准则,对累积分布函数逐点进行两两比较,得到各指标之间的随机占优关系,然后建立总体优序度矩阵,计算出生产井蒸汽突破时机先后的排序值,并对所有生产井的蒸汽突破先后进行排序,最终建立了考虑多指标的蒸汽驱开发蒸汽突破预测模型.实例应用表明,模型预测结果与实际相符,为油藏蒸汽驱开发动态调控指明方向.     

自然资源离任审计系统关键技术研究

自然资源离任审计是一个全新的课题,将为建立健全生态文明制度体系提供重要支撑,通过充分利用第一次地理国情普查的成果,开发了自然资源离任审计系统。本文详细阐述系统开发的技术路线,并对系统实现的功能加以说明。     

水电工程施工阶段造价审计存在的问题及解决办法

本文从水电工程施工阶段造价审计存在的问题出发,针对论述的问题,提出了相应的完善追踪审查的办法,希望给读者一定的启示。     

数据在信息化审计工作中的应用

工业革命4.0时代带来了大量的信息化数据,由此产生了很多新的思维模式和管理模式,审计工作也将产生新的机会和工作模式。本文首选分析审计工作电子化大趋势,其中重点研究方向是数据爆炸时代中审计工作遇到的变革。结合计算机技术,分析审计工作数据化应用方式。     

椭圆准则的岩石三轴试验运用分析

岩石强度破坏理论是岩石力学与工程问题的理论基础。本文推广了适用于金属玻璃材料拉伸破坏下的椭圆准则强度理论运用于岩石材料,开展如下主要工作:导出椭圆准则在o-σ_1σ_2σ_3坐标系下的描述形式,再选取三组不同类型的岩石式样,观察每组岩石式样的常三轴实验数据与椭圆准则强度曲线的偏离程度。结果表明,每组式样的实验数据点总体上在椭圆准则强度曲线附近,偏差较小。该准则对于岩石材料是适用的。     

地方政府性债务成因及对策分析

<正>地方政府性债务是地方政府按照法律、协议或合同的约定,需要向债权人承担的偿付义务,是地方政府或其职能部门直接借入、提供担保、欠账等形成的由政府偿还的各种债务的总和。审计署于2013年8月至9月组织全国审计机关5.44万名审计人员,按照"见人、见账、见物,逐笔、逐项审核"的原则,对全国政府性债务情况进行了全面审计。截止2013年6月底,地方政府负有偿还责任的债务108859.17亿元,负有担保责任的债务26655.77亿元,可能承担一定救助责任的债务43393.72亿元。     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.